CN116128145A - 电力设备状态检修策略优化方法 - Google Patents
电力设备状态检修策略优化方法 Download PDFInfo
- Publication number
- CN116128145A CN116128145A CN202310159867.0A CN202310159867A CN116128145A CN 116128145 A CN116128145 A CN 116128145A CN 202310159867 A CN202310159867 A CN 202310159867A CN 116128145 A CN116128145 A CN 116128145A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- equipment
- refers
- overhaul
- failure rate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005457 optimization Methods 0.000 title claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 47
- 239000002245 particle Substances 0.000 claims description 36
- 238000009826 distribution Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 230000003449 preventive effect Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 230000002950 deficient Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 11
- 238000004458 analytical method Methods 0.000 description 5
- 230000000737 periodic effect Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003211 malignant effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于电力设备状态检修技术领域，具体涉及电力设备状态检修策略优化方法，包括如下步骤：S1.基于设备实时状态进行分析，对设备检修后的故障率进行预测；S2.考虑设备检修产生的成本以及对系统会造成的风险，建立了考虑经济性与可靠性的状态检修优化模型；S3.通过计算对检修方案进行综合决策。该方法将状态评估与检修决策两个方面联系起来，通过考虑检修对故障率的实际影响，对设备状态进行重新评估，再综合考虑经济性与系统风险的条件下对设备的状态检修方案进行综合决策，得到最优检修方案。
Description
技术领域
本发明属于电力设备状态检修技术领域，具体涉及电力设备状态检修策略优化方法。
背景技术
电气设备的检修计划发展先后经历了事后检修、定期检修和状态检修3个阶段。但是前两种检修存在明显的“检修不足”和“检修过剩”的弊端，检修策略针对性差，已经不能适应现在电网发展的要求，状态检修是解决当前设备检修工作的重要手段。电力变压器、断路器、母线、电力线等电气设备，是电力系统的重要组成部分。它们中的大多数已经被使用多年。在长期使用过程中，由于受到老化和操作等的影响，它们会逐渐劣化，从而影响到整个系统的可靠性。随着我国电力行业的不断深化改革，电网的结构越来越复杂，在全国各大区电网逐步实现互联的基础上，电网中输变电设备的数量急剧增加，检修的工作量和检修成本也逐渐增加，这对供电可靠性的要求也越来越高，所以对电气设备进行有规划性的检修决策已经成为业内研究的重点。
目前，在电网设备状态检修优化方法的研究中主要分为两个方面：前期的设备状态评估与后期的检修决策。其中，设备状态评估是进行检修决策的基础，它包括状态量信息采集、状态评价、故障诊断、故障率函数建模以及寿命预测等方面；检修决策可从两个出发点进行考虑，一是依据设备自身健康状态，结合其在整个电网中的作用以及影响，确定检修方式以及时间，二是综合考虑安全性与经济性，从优化的角度来确定检修的方式以及检修的时间。
针对电网设备状态评估方面，有研究者采用模糊数学理论，选择电气试验作为状态参量，对变压器运行状态进行多层模糊综合评判；有研究者引入灰色层次评估法以解决变压器状态信息多层次性和多因素性问题，并以关联层次分析法原理为理论基础搭建变压器突变以及渐变状态评估模型；有研究者将反映变压器指标间相对重要性的指标权重引入证据理论，采用加权平均与证据理论相结合的评估方法幵展状态评估；有研究者在模糊层次分析法的基础上，提出将模糊聚类分析应用到高压断路器状态评估模型中评价因素的分类上；随着研究的深入，有学者考虑到检修会对设备的健康状态产生影响，于是将役龄回退思想运用到设备故障率的计算中，以此为基础对设备健康状态重新评估，从而得到更优的检修方案。有研究者依据设备状态评价结果计算故障率，并引入役龄回退因子计算检修后的故障率和实际役龄，在此基础上评估未来时间的电网风险及设备风险，并以此来决策设备最佳检修方案。有研究者考虑包括设备个体缺陷、检修行为影响等的长期因素以及包括运行环境、温度等的短期因素对故障率模型进行修正，通过设置累计故障率门槛值来计算状态检修周期。状态检修决策指的是根据设备的实时状态等对检修方式和检修时间进行决策，从而选取一种最优的检修方案，使的电力系统可靠安全的运行。有研究者提出一种计及设备故障风险和电网运行风险的综合风险费用最小的检修模型，对设备检修时段进行决策；CAMCI,F基于风险理论，以检修周期总风险最低为目标制定了配电网检修计划；有研究者结合我国配电系统的实际情况，以检修造成的停电失负荷最小为目标，采用改进的遗传算法求解优化问题；有研究者针对配电网检修计划的约束问题，采用分析网络拓扑方法来处理，并同样以检修停电失负荷最低为目标搭建配网检修规划优化模型，最后采用改进的遗传算法求解模型；熊小伏在考虑供电可靠性的基础上，加结合气象因素对于故障率进行预测并以此搭建了配网短期检修决策优化模型。
公开号为CN 104933482 B的发明专利提供了一种基于模糊役龄回退的电力设备检修优化方法，根据检修活动对设备故障率提升效果的不确定性，对设备历史数据中故障率进行模糊拟合，提出模糊役龄回退故障率预测模型，并综合考虑可靠性与经济性，建立弹性状态检修决策优化模型。通过采用模糊役龄回退模型计算检修后设备的故障率分布函数，及运用弹性状态检修决策优化模型进行电力设备检修时间的求解优化。其中，将故障率限值作为检修后设备故障率分布函数最值的约束条件，使得设备的全寿命周期成本更为经济。该方法充分考虑了维修活动对单个变电设备失效概率及使用寿命的模糊性和随机性，有助于电网企业合理安排检修计划，可靠延长设备使用寿命。
然而，在现有的研究中，虽然两个方面都有了很大的进步，但是并没有将整个状态检修优化的流程联系起来，不能有效保证研究的方法在实际工程中的应用。
发明内容
本发明的目的在于针对现有技术中存在的问题提供一种电力设备状态检修策略优化方法，该方法将状态评估与检修决策两个方面联系起来，通过考虑检修对故障率的实际影响，对设备状态进行重新评估，再综合考虑经济性与系统风险的条件下对设备的状态检修方案进行综合决策，得到最优检修方案。
本发明的技术方案是：
电力设备状态检修策略优化方法，包括如下步骤：
S1.基于设备实时状态进行分析，对设备检修后的故障率进行预测；
S2.考虑设备检修产生的成本以及对系统会造成的风险，建立了考虑经济性与可靠性的状态检修优化模型；
S3.通过计算对检修方案进行综合决策。
具体的，所述的步骤S1中采用故障率回退的方法对设备检修后的故障率进行预测。
具体的，故障率的预测通过威布尔分布的可靠性测量对设备检修后的故障率来建模，设备检修时，通过降低故障率以达到预防性检修的效果，用δ表示故障率的回退，检修后的故障率为：
λ(t)＝λ0(t)-δ；
其中：λ(t)指的是检修后的故障率，
λ0(t)指的是检修前的故障率；δ指的是故障率回退的量，根据不同的检修方案取不同的值；
假设设备在使用周期内进行了k次检修，则k次检修后的故障率表示为：
具体的，所述步骤S2中建立考虑经济性与可靠性的状态检修优化模型的过程中通过各种可靠性测量来定义设备，包括如下四种类型：
故障函数：
可靠性函数：
故障率：
平均故障时间：
Γ指的是伽马函数；β指的是形状参数；η指的是比例参数：
具体的，所述步骤S3中通过计算对检修方案进行综合决策，采用粒子群优化算法进行计算，所述的粒子群是指在空间中以“位置”和“速度”运动的粒子，具体步骤如下：
S1.输入待检测的电力系统可靠性数据、设备检修成本数据和PSO参数；
S2.创建初始参数，包括最佳检修次数k、设备检修时间ti和检修等级δi；
S3.计算每个粒子的目标函数；
S4.将当前迭代中的最佳粒子记录为局部最优解(Plocal)，并将计算中发现的最佳粒子记录为全局最优解(Pglobal)；
S5.计算新的速度和新的位置；
S6.检查最小目标函数，如果不是最小值，则查找新值并从上述
S3步重新计算；
S7.获得最佳的设备检修方案。
具体的，在每个时刻，质点粒子的新速度和新位置可以分别由下式来计算，
Vnew＝Vold-c1·r1·(Plocal-Pold)-c2·r2·(Pglobal-Pold)
Pnew＝Pold+Vnew
其中：Vnew是粒子在当前迭代中的速度；
Vold是上一次迭代时的粒子速度；
Pnew是粒子在当前迭代中的位置；
Pold是粒子在上一迭代中的位置；
Plocal是在上一次迭代中找到的最佳位置；
Pglobal是在目前找到的最佳位置；
c1 c2是学习因子的系数；
r1 r2是独立的均匀随机数。
具体的，所述步骤S3中的目标函数包括：
1)检修成本
检修成本包括固定成本和可变成本，固定成本指的是基本维护设备的成本等，可变成本指的是根据检修等级确定的成本，所以检修成本可以表示为：
CPM＝x+y·Δδ
其中，CPM指的是检修成本；x指的是固定成本；y指的是可变成本；Δδ指的是检修等级的比例，
假设设备在使用周期内进行了k次检修，则检修成本可表示为：
2)故障成本
故障成本指的是设备在进行检修后仍然会发生故障所产生的成本，在设备使用周期内进行k次检修所产生的故障数是按图中曲线下的面积计算的，具体可表示为：
其中：N指的是预期的故障次数；L指的是设备的使用寿命；ti指的是检修的时间，所以，总的故障成本可以表示为：
其中：TCCM指的是总的故障成本；CCM指的是单次故障成本；
3)系统风险
期望缺供电量(EENS)表示电力系统由于机组受迫停运而造成的对用户少供电能的期望值，这一指标综合表达了停电次数、平均持续时间、平均停电功率，
期望缺供电量EENS可由下式确定：
其中：Fi为枚举的全部系统失效状态集合；p(s)为系统状态概率；D(s)为状态s下系统总负荷削减量；T表示规划周期的时间长度；
采用电力公司单位电价乘以期望缺供电量对电网运行风险进行费用评估，作为评估电网运行风险的指标表达如下：
TCR＝EENS·e
最终的目标函数为：
Min F＝TCPM+TCCM+TCR。
具体的，所述的目标函数的约束条件包括：
1)可靠性约束：经过检修后，设备的可靠性不能低于以下要求：
Re≥Rr
其中：Re指的是设备的可靠性；Rr指的是要求的可靠性；
2)检修等级约束：对设备进行检修并不能使设备恢复如新，经过检修后，设备的故障率水平要明显低于检修前的故障率，所以，检修等级的约束可以表示如下：
0＜δi＜λ0(ti)-λ0(ti-1)。
资产管理涉及电力设备的投资、操作、检修、更换和最终退役，包括发电、输电、配电设备。资本投入可靠性的降低，妨碍了企业在新设备上的投入，迫使企业不得不检修和运营日益老化的设备。而目前，检修方法基本可以分为2大类：故障后检修和预防性检修。而预防性检修又可以进一步的分为3个类别：定期检修、状态检修(CBM)和以可靠性为中心的检修(RCM)。其中，定期检修通常是一种保守和昂贵的方式，它的检修是以一个固定的时间间隔执行，存在着检修不足和检修过度的问题；状态检修是根据设备本身的状态进行检修安排，以节约成本，但并没有考虑设备检修安排对系统运行可靠性的影响；RCM考虑了设备检修安排对系统运行可靠性的影响,从电力系统层面利用可靠性评估技术对维修活动进行优化，整体策略倾向于提高系统的可靠性，而对于设备发生故障时所造成的严重后果并没有太多的考虑。在CBM和寿命周期成本管理(LCC)的发展过程中，设备风险评估由于能较为全面地考虑各种决策因素和结合各种方法的长处，逐渐受到了研究人员的重视。故而基于风险评估的预防性检修(RBM)受到越来越多人的关注。
而预防性检修的方式往往采用定期检修(计划检修)的方式，而定期检修的间隔周期往往是根据电力人员基于历史分析的主观决断并依照电力规程来确定的，而随着电网规模越来越大，相关的电力设备的种类和数量也爆炸式地增长，这种全范围的定期巡检方式往往要投入大量的人力和物力，但为了电网的安全稳定运行，短时期内这又是不得不采用的方法。显而易见，定期检修的方式里存在风险性和经济性的矛盾关系：这种与终端的运行状态分析无关的机械性、定周期的检修方式缺乏针对性，只是盲目的覆盖式的定期对终端作故障的排查。如果检修周期较短，则检修过程中投入了大量的人力和物力，这种过检修的方式虽然保证了一定的可靠性，但却浪费了不必要的经济性，而且频繁的检修可能会酿成新的故障，这种状况在检修周期较短时更为突出。而如果检修周期又较长的话，又会造成欠检修的局面，这种情况下则不能及时发现终端的隐性故障，致使这些隐性故障态继续恶化发展为恶性故障，损害配电的正常与可靠性。而这些配电终端的隐性故障往往在检修周期中完全发展成为严重的恶性故障后才被能被发现。
本发明的有益效果是：本发明在建立设备状态检修优化模型方面，提出了一种在所需可靠性条件下平衡成本的算法。首先在设备状态评估方面，将设备的故障率用威布尔分布来表示，能够合理描述设备劣化的情况，通过计算故障率回退以及故障次数，将理论与实际工程联系起来，更具有实际意义。同时，通过综合考虑可靠性与经济性对设备状态检修进行优化，最终确定设备的检修等级以及检修时间，使得计算结果更加准确，更贴近实际工程，对实际生产更加具有指导意义。
与现有的设备状态检修优化方法相比较，本发明所提方法更加合理。本发明不仅将设备状态检修前后流程联系在一起考虑，还分别对两个方面都做了改进。首先是状态评估方面，通过考虑检修对设备故障率的影响以及设备在服役期间内可能进行多次检修的情况，提出了检修后故障率的计算方法，使得结果更加准确；在检修决策方面，通过综合考虑可靠性和经济性，同时对检修时间和检修等级进行了计算，最终得到更加详细的检修方案。
附图说明
图1是故障率浴盆曲线；
图2是设备状态检修前后故障率的变化。
具体实施方式
下面结合附图及具体实施方式对本发明的技术方案进行详细的描述。
电气设备的故障特性可以描述为“浴盆曲线”，该曲线主要有三个周期组成。第一个阶段是故障率下降的区域，称为早期调试期，这个时期故障率较高且呈下降趋势，因为大多设备在投运前存在微小瑕疵且运行初期各部件尚未磨合到位。下一个阶段是由随机发生的缺陷引起的恒定的故障率。这些设备的大部分时间都在这个平坦的部分工作。这一时期被称为偶然故障期。最后，随着时间和操作的推移，材料磨损变质，故障率开始增加。最后一个阶段被称为磨损期。综上所述，设备的使用寿命可分为三个典型的时间间隔：早期调试期、偶然故障期和磨损周期，如图1所示。
本发明提供的电力设备状态检修策略优化方法，包括如下步骤：
S1.基于设备实时状态进行分析，对设备检修后的故障率进行预测；
S2.考虑设备检修产生的成本以及对系统会造成的风险，建立了考虑经济性与可靠性的状态检修优化模型；
S3.通过计算对检修方案进行综合决策
作为进一步优化方案，所述的步骤S1中采用故障率回退的方法对设备检修后的故障率进行预测。
设备或系统的可靠性是指其在运行条件下一段时间内执行所需功能的能力。当设备投入运行时，发生故障的概率为零，随着时间的推移，失败的概率趋于统一。这一特征可与随机变量的累积概率密度函数(PDF)相比较。因此，在有故障时，可以根据已知的设备故障时间(TTF)分布，通过各种可靠性测量来定义设备。
设备故障可以用描述恶化过程的概率分布。在这种过程中，故障率函数随时间或操作而增加。因此，故障率的预测通过威布尔分布的可靠性测量对设备检修后的故障率来建模，设备检修时，通过降低故障率以达到预防性检修的效果，用δ表示故障率的回退，检修后的故障率为：
λ(t)＝λ0(t)-δ；
其中：λ(t)指的是检修后的故障率，
λ0(t)指的是检修前的故障率；δ指的是故障率回退的量，根据不同的检修方案取不同的值；
对设备进行检修后，设备的故障率降低，但是仍然存在故障的可能性，故障率不能降到最初的大小，因为检修不会导致设备重新处于新状态，只能减缓设备故障的程度，假设设备在使用周期内进行了k次检修，则k次检修后的故障率表示为：
具体的，所述步骤S2中建立考虑经济性与可靠性的状态检修优化模型的过程中通过各种可靠性测量来定义设备，包括如下四种类型：
故障函数：
可靠性函数：
故障率：
平均故障时间：
Γ指的是伽马函数；β指的是形状参数；η指的是比例参数：
进一步的优化方案，所述步骤S3中通过计算对检修方案进行综合决策，采用粒子群优化算法进行计算，由于粒子群算法具有易于实现、参数调整少等优点，因此选择粒子群算法来计算设备的最优检修方案，所述的粒子群是指在空间中以“位置”和“速度”运动的粒子，具体步骤如下：
S1.输入待检测的电力系统可靠性数据、设备检修成本数据和PSO参数；
S2.创建初始参数，包括最佳检修次数k、设备检修时间ti和检修等级δi；
S3.计算每个粒子的目标函数；
S4.将当前迭代中的最佳粒子记录为局部最优解(Plocal)，并将计算中发现的最佳粒子记录为全局最优解(Pglobal)；
S5.计算新的速度和新的位置；
S6.检查最小目标函数，如果不是最小值，则查找新值并从上述
S3步重新计算；
S7.获得最佳的设备检修方案。
具体的，在每个时刻，质点粒子的新速度和新位置可以分别由下式来计算，
Vnew＝Vold-c1·r1·(Plocal-Pold)-c2·r2·(Pglobal-Pold)
Pnew＝Pold+Vnew
其中：Vnew是粒子在当前迭代中的速度；
Vold是上一次迭代时的粒子速度；
Pnew是粒子在当前迭代中的位置；
Pold是粒子在上一迭代中的位置；
Plocal是在上一次迭代中找到的最佳位置；
Pglobal是在目前找到的最佳位置；
c1 c2是学习因子的系数；
r1 r2是独立的均匀随机数。
所述步骤S3中的目标函数包括：
1)检修成本
检修成本包括固定成本和可变成本，固定成本指的是基本维护设备的成本等，可变成本指的是根据检修等级确定的成本，所以检修成本可以表示为：
CPM＝x+y·Δδ
其中，CPM指的是检修成本；x指的是固定成本；y指的是可变成本；Δδ指的是检修等级的比例，
假设设备在使用周期内进行了k次检修，则检修成本可表示为：
2)故障成本
故障成本指的是设备在进行检修后仍然会发生故障所产生的成本，在设备使用周期内进行k次检修所产生的故障数是按图中曲线下的面积计算的，具体可表示为：
其中：N指的是预期的故障次数；L指的是设备的使用寿命；ti指的是检修的时间，所以，总的故障成本可以表示为：
其中：TCCM指的是总的故障成本；CCM指的是单次故障成本；
3)系统风险
期望缺供电量(EENS)表示电力系统由于机组受迫停运而造成的对用户少供电能的期望值，这一指标综合表达了停电次数、平均持续时间、平均停电功率，
期望缺供电量EENS可由下式确定：
其中：Fi为枚举的全部系统失效状态集合；p(s)为系统状态概率；D(s)为状态s下系统总负荷削减量；T表示规划周期的时间长度；
为了将目标统一到同一量度，需要对系统风险进行经济性量化，本发明采用电力公司单位电价乘以期望缺供电量对电网运行风险进行费用评估，采用电力公司单位电价乘以期望缺供电量对电网运行风险进行费用评估，作为评估电网运行风险的指标表达如下：
TCR＝EENS·e
最终的目标函数为：
Min F＝TCPM+TCCM+TCR。
所述的目标函数的约束条件包括：
1)可靠性约束：经过检修后，设备的可靠性不能低于以下要求：
Re≥Rr
其中：Re指的是设备的可靠性；Rr指的是要求的可靠性；
2)检修等级约束：对设备进行检修并不能使设备恢复如新，经过检修后，设备的故障率水平要明显低于检修前的故障率，所以，检修等级的约束可以表示如下：
0＜δi＜λ0(ti)-λ0(ti-1)。
如图2所示为设备状态检修前后故障率的变化曲线图。
实施例2
本实施例中提供另一种测量四种类型的方法：
1)故障函数：故障函数是一种基本的可靠性测量，定义为一个项目在运行时间之前或在运行时刻失效的概率。故障函数可表示为：
其中：Q(t)指的是故障函数；f(t)指的是失效时间的概率密度函数；TTF指的是失效时间(年)；T指的是运行时间(年)
2)可靠性函数：也称为幸存者函数，是指设备在无故障的运行状态下正常运行的概率。可靠性函数可表示为：
其中：R(t)指的是可靠性函数
3)故障率：故障率是老化对可靠性影响的重要指标。在一个给定的时间间隔内，项目失败的概率可以用可靠性函数来表示。在某个时间间隔内发生故障的速率称为故障率。因此，故障率可以定义为区间趋于零时的故障极限，可以表示为：
其中：λ(t)指的是故障率；Δt指的是时间间隔
4)平均故障时间：平均故障时间(MTTF)由设备到第一次故障的预期时间值表示。它被用于可修复和不可修复系统的可靠性测量。MTTF可以表示为：
其中：MTTF指的是发生故障的时间。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (8)
1.电力设备状态检修策略优化方法，其特征在于，包括如下步骤：
S1.基于设备实时状态进行分析，对设备检修后的故障率进行预测；
S2.考虑设备检修产生的成本以及对系统会造成的风险，建立了考虑经济性与可靠性的状态检修优化模型；
S3.通过计算对检修方案进行综合决策。
2.根据权利要求1所述电力设备状态检修策略优化方法，其特征在于，所述的步骤S1中采用故障率回退的方法对设备检修后的故障率进行预测。
3.根据权利要求2所述电力设备状态检修策略优化方法，其特征在于，对故障率的预测通过威布尔分布的可靠性测量对设备检修后的故障率来建模，设备检修时，通过降低故障率以达到预防性检修的效果，用δ表示故障率的回退，检修后的故障率为：
λ(t)＝λ0(t)-δ；
其中：λ(t)指的是检修后的故障率，
β＞1；λ0(t)指的是检修前的故障率；δ指的是故障率回退的量，根据不同的检修方案取不同的值；
假设设备在使用周期内进行了k次检修，则k次检修后的故障率表示为：
4.根据权利要求1所述电力设备状态检修策略优化方法，其特征在于，所述步骤S2中建立考虑经济性与可靠性的状态检修优化模型的过程中通过各种可靠性测量来定义设备，包括如下四种类型：
故障函数：
可靠性函数：
故障率：
平均故障时间：
Γ指的是伽马函数；β指的是形状参数；η指的是比例参数。
5.根据权利要求4所述电力设备状态检修策略优化方法，其特征在于，所述步骤S3中通过计算对检修方案进行综合决策，采用粒子群优化算法进行计算，所述的粒子群是指在空间中以“位置”和“速度”运动的粒子，具体步骤如下：
S1.输入待检测的电力系统可靠性数据、设备检修成本数据和PSO参数；
S2.创建初始参数，包括最佳检修次数k、设备检修时间ti和检修等级δi；
S3.计算每个粒子的目标函数；
S4.将当前迭代中的最佳粒子记录为局部最优解(Plocal)，并将计算中发现的最佳粒子记录为全局最优解(Pglobal)；
S5.计算新的速度和新的位置；
S6.检查最小目标函数，如果不是最小值，则查找新值并从上述
S3步重新计算；
S7.获得最佳的设备检修方案。
6.根据权利要求5所述电力设备状态检修策略优化方法，其特征在于，在每个时刻，质点粒子的新速度和新位置可以分别由下式来计算，
Vnew＝Vold-c1·r1·(Plocal-Pold)-c2·r2·(Pglobal-Pold)
Pnew＝Pold+Vnew
其中：Vnew是粒子在当前迭代中的速度；
Vold是上一次迭代时的粒子速度；
Pnew是粒子在当前迭代中的位置；
Pold是粒子在上一迭代中的位置；
Plocal是在上一次迭代中找到的最佳位置；
Pglobal是在目前找到的最佳位置；
c1c2是学习因子的系数；
r1r2是独立的均匀随机数。
7.根据权利要求5所述电力设备状态检修策略优化方法，其特征在于，所述步骤S3中的目标函数包括：
1)检修成本
检修成本包括固定成本和可变成本，固定成本指的是基本维护设备的成本等，可变成本指的是根据检修等级确定的成本，所以检修成本可以表示为：
CPM＝x+y·Δδ
其中，CPM指的是检修成本；x指的是固定成本；y指的是可变成本；Δδ指的是检修等级的比例，
假设设备在使用周期内进行了k次检修，则检修成本可表示为：
2)故障成本
故障成本指的是设备在进行检修后仍然会发生故障所产生的成本，在设备使用周期内进行k次检修所产生的故障数是按图中曲线下的面积计算的，具体可表示为：
其中：N指的是预期的故障次数；L指的是设备的使用寿命；ti指的是检修的时间，所以，总的故障成本可以表示为：
其中：TCCM指的是总的故障成本；CCM指的是单次故障成本；
3)系统风险
期望缺供电量(EENS)表示电力系统由于机组受迫停运而造成的对用户少供电能的期望值，这一指标综合表达了停电次数、平均持续时间、平均停电功率，
期望缺供电量EENS可由下式确定：
其中：Fi为枚举的全部系统失效状态集合；p(s)为系统状态概率；D(s)为状态s下系统总负荷削减量；T表示规划周期的时间长度；
采用电力公司单位电价乘以期望缺供电量对电网运行风险进行费用评估，作为评估电网运行风险的指标表达如下：
TCR＝EENS·e
最终的目标函数为：
Min F＝TCPM+TCCM+TCR。
8.根据权利要求5所述电力设备状态检修策略优化方法，其特征在于，所述的目标函数的约束条件包括：
1)可靠性约束：经过检修后，设备的可靠性不能低于以下要求：
Re≥Rr
其中：Re指的是设备的可靠性；Rr指的是要求的可靠性；
2)检修等级约束：对设备进行检修并不能使设备恢复如新，经过检修后，设备的故障率水平要明显低于检修前的故障率，所以，检修等级的约束可以表示如下：
0＜δi＜λ0(ti)-λ0(ti-1)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310159867.0A CN116128145A (zh) | 2023-02-23 | 2023-02-23 | 电力设备状态检修策略优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310159867.0A CN116128145A (zh) | 2023-02-23 | 2023-02-23 | 电力设备状态检修策略优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116128145A true CN116128145A (zh) | 2023-05-16 |
Family
ID=86309986
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310159867.0A Pending CN116128145A (zh) | 2023-02-23 | 2023-02-23 | 电力设备状态检修策略优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116128145A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116862480A (zh) * | 2023-08-30 | 2023-10-10 | 国网江苏省电力有限公司信息通信分公司 | 一种电力设备故障预测与维修的智能决策支持方法及装置 |
-
2023
- 2023-02-23 CN CN202310159867.0A patent/CN116128145A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116862480A (zh) * | 2023-08-30 | 2023-10-10 | 国网江苏省电力有限公司信息通信分公司 | 一种电力设备故障预测与维修的智能决策支持方法及装置 |
| CN116862480B (zh) * | 2023-08-30 | 2024-02-13 | 国网江苏省电力有限公司信息通信分公司 | 一种电力设备故障预测与维修的智能决策支持方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Opportunistic maintenance strategy for wind turbines considering weather conditions and spare parts inventory management | |
| Besnard et al. | Reliability-Centred Asset Maintenance—A step towards enhanced reliability, availability, and profitability of wind power plants | |
| Ge et al. | Reliability and maintainability improvement of substations with aging infrastructure | |
| Li et al. | An opportunistic maintenance strategy for offshore wind turbine system considering optimal maintenance intervals of subsystems | |
| CN109583601B (zh) | 一种配电设备状态检修策略优化方法 | |
| Sheng et al. | Reliability of wind turbines | |
| Li et al. | Preventive maintenance decision model of urban transportation system equipment based on multi-control units | |
| CN116128145A (zh) | 电力设备状态检修策略优化方法 | |
| CN111339661B (zh) | 一种高压电缆巡检周期自动规划方法 | |
| Ardabili et al. | A stochastic Markov model for maintenance scheduling in the presence of online monitoring system | |
| Dui et al. | Analysis of variable system cost and maintenance strategy in life cycle considering different failure modes | |
| Zhang et al. | Condition based maintenance and operation of wind turbines | |
| CN111628498A (zh) | 一种考虑配电网可靠性的多目标配电网重构方法和装置 | |
| Su et al. | Opportunistic maintenance optimisation for offshore wind farm with considering random wind speed | |
| CN116304949A (zh) | 一种能耗历史数据的校准方法 | |
| CN115936663A (zh) | 一种电力系统的维护方法及装置 | |
| CN113705106A (zh) | 一种复杂装备全寿命周期维修方案设计方法 | |
| Sekretarev et al. | Development of the intelligent decision support system for situation management of hydro units | |
| Wang et al. | Optimization of maintenance interval based on equal deterioration rate theory | |
| Vincenti et al. | Profitability of condition monitoring in the electric distribution grid | |
| Zhou et al. | The Optimal Scheduling of Maintenance and Replacement of Power Transformers: A Risk Based Method | |
| CN117933644A (zh) | 一种基于电力运维应用的大负荷线路需求分析系统 | |
| CN114414938B (zh) | 一种配电网故障的动态响应方法及系统 | |
| Aldubaisi et al. | Maintenance optimization of wind turbines using weather-dependent equivalent age model | |
| Wei et al. | A Reliability Evaluation and Inspection-Based Replacement Optimization Policy Considering Measurement Variability and State variations |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Niu Xin Inventor after: Chang Jiulong Inventor after: Zhang Long Inventor after: Li Xuyang Inventor after: Fan Bing Inventor after: Wang Runchun Inventor after: Li Dapeng Inventor after: Li Yongjie Inventor after: Zhou Tiejun Inventor after: Guo Xiaohan Inventor before: Niu Xin Inventor before: Chang Jiulong Inventor before: Zhang Long Inventor before: Li Xuyang Inventor before: Fan Bing Inventor before: Wang Runchun Inventor before: Li Dapeng Inventor before: Li Yongjie Inventor before: Zhou Tiejun Inventor before: Guo Xiaohan |
|
| CB03 | Change of inventor or designer information |